微服务保护--Sentinel

简介: 微服务保护--Sentinel

本篇博客主要是个人总结,有大致的思路逻辑,想要更加清晰的了解,下方有黑马的视频,自行观看,通俗易懂。

介绍Sentinel是阿里巴巴开源的一款微服务流量控制组件。官网地址:https://sentinelguard.io/zh-cn/index.html

特征:丰富的应用场景、完备的实时监控、广泛的开源生态、完善的 SPI 扩展点。

一、雪崩问题

解释:微服务调用链路中的某个服务故障,引起整个链路中的所有微服务都不可用,这就是雪崩。(一个服务器的Tomcat资源耗尽,导致依赖的服务全部故障)

1.1 解决办法

解决雪崩问题有四种办法如下:

  • 超时处理:设定超时时间,请求超过一定时间没有响应就返回错误信息,不会无休止等待。 – 因服务故障引起的雪崩问题
  • 舱壁模式:限定每个业务能使用的线程数,避免耗尽整个tomcat的资源,因此也叫线程隔离。 – 因服务故障
  • 熔断降级:由断路器统计业务执行的异常比例,如果超出阈值则会熔断该业务,拦截访问该业务的一切请求。 – 因服务故障
  • 流量控制:限制业务访问的QPS,避免服务因流量的突增而故障。(QPS:每秒钟处理请求的数量) – 因高并发流量导致服务故障

二、服务保护技术的对比

Sentinel的对比,Hystrix已经不维护了。具体对比如下:

** ** Sentinel Hystrix
隔离策略 信号量隔离 线程池隔离/信号量隔离
熔断降级策略 基于慢调用比例或异常比例 基于失败比率
实时指标实现 滑动窗口 滑动窗口(基于 RxJava)
规则配置 支持多种数据源 支持多种数据源
扩展性 多个扩展点 插件的形式
基于注解的支持 支持 支持
限流 基于 QPS,支持基于调用关系的限流 有限的支持
流量整形 支持慢启动、匀速排队模式 不支持
系统自适应保护 支持 不支持
控制台 开箱即用,可配置规则、查看秒级监控、机器发现等 不完善
常见框架的适配 Servlet、Spring Cloud、Dubbo、gRPC 等 Servlet、Spring Cloud Netflix

三、安装并整合Sentinel控制台

sentinel官方提供了UI控制台,方便我们对系统做限流设置。下载好的jar包,将其拷贝到一个你能记住的非中文目录,然后运行命令

  • java -jar sentinel-dashboard-1.8.1.jar,然后访问:localhost:8080 即可看到控制台页面,默认的账户和密码都是sentinel。
  • 打开在命令行的nacos的bin目录下输入startup.cmd -m standalone启动nacos。接着打开实用篇的代码,将yaml文件的信息做出相应的修改,这是本人的,MySQL有5和8两个版本,由于前面是匹配虚拟机里的数据库,换回MySQL5,端口3305。还有将前面的nacos地址换回localhost,还需要修改order-service的端口号,不然与sentinel的控制台端口冲突。
  • 在order-service中整合Sentinel,并且连接Sentiinel的控制台。引入sentinel依赖;配置控制台地址;访问微服务的任意端点,触发sentinel监控。

四、限流规则

4.1 簇点链路

  • 项目内的调用链路,链路中被监控的每个接口就是一个资源。默认情况下sentinel会监控SpringMVC的每一个端点(Endpoint),因此SpringMVC的每一个端点(Endpoint)就是调用链路中的一个资源。
    流控、熔断等都是针对簇点链路中的资源来设置的。
  • 流控规则入门案例:给 /order/{orderId}这个资源设置流控规则,QPS不能超过 5。然后利用jemeter测试。

4.2 流控模式

添加限流规则时,点击高级选项,可以选择三种流控模式

  • 直接:统计当前资源的请求,触发阈值时对当前资源直接限流,也是默认的模式。
  • 关联:统计与当前资源相关的另一个资源,触发阈值时,对当前资源限流。(满足下面条件:两个有竞争关系的资源;一个优先级较高,一个优先级较低[限流])
  • 链路:统计从指定链路访问到本资源的请求,触发阈值时,对指定链路限流。(有查询订单和创建订单业务,两者都需要查询商品。针对从查询订单进入到查询商品的请求统计,并设置限流。)

4.3 流控效果

流控效果是指请求达到流控阈值时应该采取的措施,包括三种

  • 快速失败:达到阈值后,新的请求会被立即拒绝并抛出FlowException异常。是默认的处理方式。
  • warm up:预热模式,对超出阈值的请求同样是拒绝并抛出异常。但这种模式阈值会动态变化,从一个较小值逐渐增加到最大阈值。(给/order/{orderId}这个资源设置限流,最大QPS为10,利用warm up效果,预热时长为5秒)
  • 排队等待:让所有的请求按照先后次序排队执行,两个请求的间隔不能小于指定时长(给/order/{orderId}这个资源设置限流,最大QPS为10,利用排队的流控效果,超时时长设置为5s)

4.4 热点参数限流

  • 之前的限流是统计访问某个资源的所有请求,判断是否超过QPS阈值。而热点参数限流是分别统计参数值相同的请求,判断是否超过QPS阈值。
  • 案例:给/order/{orderId}这个资源添加热点参数限流,规则如下:默认的热点参数规则是每1秒请求量不超过2;给102这个参数设置例外:每1秒请求量不超过4;给103这个参数设置例外:每1秒请求量不超过10。
  • 热点参数限流对默认的SpringMVC资源无效。

五、隔离和降级

限流可以尽量避免因高并发而引起的服务故障,但服务还会因为其它原因而故障。而要将这些故障控制在一定范围,避免雪崩,就要靠线程隔离(舱壁模式)和熔断降级手段了。不管是线程隔离还是熔断降级,都是对客户端(调用方)的保护。

5.1 Feign整合Sentinelnel

SpringCloud中,微服务调用都是通过Feign来实现的,因此做客户端保护必须整合Feign和Sentinel。

Feign整合Sentinel的步骤如下:

  • 在application.yml中配置:feign.sentienl.enable=true。
  • 给FeignClient编写FallbackFactory并注册为Bean。
  • 将FallbackFactory配置到FeignClient

5.2 线程隔离

线程隔离有两种方式实现:

优点 缺点 场景
信号量隔离-Sentinel默认 轻量级,无额外开销 不支持主动超时 不支持异步调用 高频调用高扇出
线程池隔离 支持主动超时支持异步调用 线程的额外开销比较大 低扇出
  • 案例:线程隔离(舱壁模式)-- 给 UserClient的查询用户接口设置流控规则,线程数不能超过 2。然后利用jemeter测试。
  • 信号量隔离的特点:基于计数器模式,简单,开销小。
  • 线程池隔离的特点:基于线程池模式,有额外开销,但隔离控制更强。

5.3 熔断降级

熔断降级是解决雪崩问题的重要手段。其思路是由断路器统计服务调用的异常比例慢请求比例,如果超出阈值则会熔断该服务。即拦截访问该服务的一切请求;而当服务恢复时,断路器会放行访问该服务的请求。

断路器熔断策略有三种:慢调用、异常比例、异常数。

  • 慢调用:业务的响应时长(RT)大于指定时长的请求认定为慢调用请求。在指定时间内,如果请求数量超过设定的最小数量,慢调用比例大于设定的阈值,则触发熔断。
  • 案例:给 UserClient的查询用户接口设置降级规则,慢调用的RT阈值为50ms,统计时间为1秒,最小请求数量为5,失败阈值比例为0.4,熔断时长为5。提示:为了触发慢调用规则,我们需要修改UserService中的业务,增加业务耗时。
  • 异常比例或异常数:统计指定时间内的调用,如果调用次数超过指定请求数,并且出现异常的比例达到设定的比例阈值(或超过指定异常数),则触发熔断。
  • 案例:给 UserClient的查询用户接口设置降级规则,统计时间为1秒,最小请求数量为5,失败阈值比例为0.4,熔断时长为5s。

六、授权规则

授权规则可以对调用方的来源做控制,有白名单和黑名单两种方式。

  • 白名单:来源(origin)在白名单内的调用者允许访问。
  • 黑名单:来源(origin)在黑名单内的调用者不允许访问。

获取请求来源的接口–RequestOriginParser

七、自定义异常结果

默认情况下,发生限流、降级、授权拦截时,都会抛出异常到调用方。如果要自定义异常时的返回结果,需要实现BlockExceptionHandler接口。

异常 说明
FlowException 限流异常
ParamFlowException 热点参数限流的异常
DegradeException 降级异常
AuthorityException 授权规则异常
SystemBlockException 系统规则异常

八、规则持久化

8.1 规则管理模式

Sentinel的控制台规则管理有三种模式:

  • 原始模式:控制台配置的规则直接推送到Sentinel客户端,也就是我们的应用。然后保存在内存中,服务重启则丢失。
  • pull模式:控制台将配置的规则推送到Sentinel客户端,而客户端会将配置规则保存在本地文件或数据库中。以后会定时去本地文件或数据库中查询,更新本地规则。
  • push模式:控制台将配置规则推送到远程配置中心,例如Nacos。Sentinel客户端监听Nacos,获取配置变更的推送消息,完成本地配置更新。
推送模式 存储位置 优点 缺点
原始模式 保存在内存 简单,无任何依赖 不保证一致性;规则保存在内存中,重启即消失。严重不建议用于生产环境
Pull 模式 保存在本地文件或数据库,定时去读取 简单,无任何依赖;规则持久化 不保证一致性;实时性不保证,拉取过于频繁也可能会有性能问题。
Push模式 保存在nacos,监听变更实时更新 规则持久化;一致性; 引入第三方依赖

->微服务技术栈高级篇–微服务保护–Sentinel课程视频`

高级篇Day1-01-初识Sentinel_哔哩哔哩_bilibili

<-

记录每一个学习瞬间

目录
相关文章
|
4月前
|
Java UED Sentinel
微服务守护神:Spring Cloud Sentinel,让你的系统在流量洪峰中稳如磐石!
【8月更文挑战第29天】Spring Cloud Sentinel结合了阿里巴巴Sentinel的流控、降级、熔断和热点规则等特性,为微服务架构下的应用提供了一套完整的流量控制解决方案。它能够有效应对突发流量,保护服务稳定性,避免雪崩效应,确保系统在高并发下健康运行。通过简单的配置和注解即可实现高效流量控制,适用于高并发场景、依赖服务不稳定及资源保护等多种情况,显著提升系统健壮性和用户体验。
87 1
|
3月前
|
监控 Java Nacos
SpringCloud基础5——微服务保护、Sentinel
sentinel、雪崩问题、流量控制、隔离和降级、授权规则、规则持久化
SpringCloud基础5——微服务保护、Sentinel
|
6月前
|
Java 开发者 Sentinel
Spring Cloud系列——使用Sentinel进行微服务保护
Spring Cloud系列——使用Sentinel进行微服务保护
69 5
|
7月前
|
监控 Java 应用服务中间件
【微服务系列笔记】Sentinel入门-微服务保护
Sentinel是一个开源的分布式系统和应用程序的运维监控平台。它提供了实时数据收集、可视化、告警和自动化响应等功能,帮助用户监控和管理复杂的IT环境。本文简单介绍了微服务保护以及常见雪崩问题,解决方案。以及利用sentinel进行入门案例。
196 3
|
7月前
|
监控 Java 应用服务中间件
微服务保护Sentinel
应用的硬件、软件架构在涉及到部署时,一般会根据实际请求量做一定的压力测试,以测试系统稳定性、健壮性,避免后续线上未知故障。假设在一个电商的秒杀场景下,订单中心本身能够承载的QPS预设是10W,因为活动的火爆导致流量瞬时达到100W,此时订单中心因无法承载其10倍的请求将会崩溃,那么对于整个分布式架构系统会产生什么问题呢?本节我们将借助于Sentinel的流量控制、隔离降级来解决上述分布式架构中常见的雪崩问题。
65 1
|
7月前
|
Java 数据安全/隐私保护 Sentinel
微服务学习 | Spring Cloud 中使用 Sentinel 实现服务限流
微服务学习 | Spring Cloud 中使用 Sentinel 实现服务限流
|
7月前
|
SpringCloudAlibaba 监控 Java
SpringCloud Alibaba微服务-- Sentinel的使用(保姆级)
SpringCloud Alibaba微服务-- Sentinel的使用(保姆级)
|
7月前
|
Java Nacos Sentinel
【Springcloud Alibaba微服务分布式架构 | Spring Cloud】之学习笔记(九)Nacos+Sentinel+Seata
【Springcloud Alibaba微服务分布式架构 | Spring Cloud】之学习笔记(九)Nacos+Sentinel+Seata
850 0
|
7月前
|
监控 开发者 Sentinel
Sentinel:微服务守护神的崛起
Sentinel:微服务守护神的崛起
62 0
|
7月前
|
存储 数据库 Nacos
微服务限流Sentinel讲解(五)
微服务限流Sentinel讲解(五)
130 0